71
BAB III METODE PENELITIAN
A. Metodologi Penelitian
Tujuan utama penelitian ini adalah untuk menggambarkan secara sistematis fakta dan karakteristik objek dan subjek yang diteliti secara tepat, oleh karena itu digunakan metode penelitian Deskriptif . Dalam perkembangannya, akhir-akhir ini metode penelitian deskriptif banyak digunakan oleh peneliti karena dua alasan. Pertama, dari pengamatan empiris didapat bahwa sebagian besar laporan penelitian dilakukan dalam bentuk deskriptif. Kedua, metode deskriptif sangat berguna untuk mendapatkan variasi permasalahan yang berkaitan dengan bidang pendidikan maupun tingkah laku manusia. B. Lokasi Dan Subjek Penelitian Penelitian
ini
merupakan
studi
komparasi
tentang
implementasi
pembelajaran berbasis masalah pada mata pelajaran matematika siswa kelas VII SMP yang terdiri dari tiga jenis sekolah yaitu sekolah Unggul, RSSN (Rintisan Sekolah Standar Nasional) dan SPM (Standar Pelayanan Minimal) dengan perlakuan yang sama. Penelitian ini menggunakan analitis deskriptif dengan desain mencobakan pendekatan pembelajaran dalam pembelajaran matematika, dimana siswa Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
72
diberikan perlakuan dengan langkah langkah Problem-Based Learning (Problembased Learning) untuk melihat efek yang ditimbulkannya terhadap peningkatan hasil belajar matematika. Rancangan Penelitian dapat dilihat pada tabel 3.1 berikut: Tabel 3.1. Rancangan Penelitian
Imp PBL
Unggul
RSSN
SPM
B1
B2
B3
AIBI
A1B2
A1B3
Hasil belajar
Keterangan :
A1B1 adalah Hasil belajar matematika yang belajar dengan PBL di sekolah Unggul . A1B2 adalah Hasil belajar matematika yang belajar dengan PBL di sekolah RSSN. A1B3 adalah Hasil belajar matematika yang belajar dengan PBL di sekolah SPM .
C. Waktu dan Tempat Penelitian Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
73
Penelitian ini dilaksanakan pada tahun pelajaran 2012/2013 di SMP Negeri 2 sebagai sekolah Unggul, SMP Negeri 8 sebagai sekolah RSSN dan SMP Negeri 7 sebagai sekolah SPM di Bandar Lampung. D. Populasi dan Teknik Pengambilan Sampel. Penelitian ini dilaksanakan di SMP Negeri di Bandar Lampung dengan populasi seluruh siswa kelas VII . Penentuan sampel penelitian menggunakan sampling acak.. E. Teknik Pengumpulan Data. Teknik yang digunakan dalam pengumpulan data pada penelitian ini adalah angket, lembar observasi dan tes, yaitu meliputi: (1) tes awal siswa, yaitu tes yang dilaksanakan pada awal penelitian, dan (2) tes kompetensi, yaitu tes prestasi belajar yang dilaksanakan pada akhir setiap kompetensi dasar. Untuk melihat
pembelajaran
yang
dilakukan
digunakan
lembar
pengamatan
pembelajaran, yang merupakan kelengkapan pembelajaran. Bentuk tes yang digunakan untuk kedua jenis tes adalah tes uraian. Gambar 3.1. Skema Pengumpulan Data
Nilai Pre tes Unggul
Nilai Pre tes RSSN
Nilai Pos tes Unggul
Nilai Pos tes RSSN
Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
74
Nilai Pre tes SPM
Nilai Pos tes SPM
F. Definisi Oprasional dan Instrumen Penelitian Instrumen yang digunakan dalam penelitian ini diuraikan secara konseptual dan oprasional sebagai berikut: Instrumen Hasil Belajar Matematika a. Definisi Konseptual Hasil belajar matematika adalah penguasaan pengetahuan atau ketrampilan matematika yang dicapai siswa setelah mengikuti pembelajaran yang ditunjukkan dengan nilai tes atau angka nilai yang diberikan oleh guru. b. Definisi Oprasional Hasil belajar matematika merupakan penguasaan kompetensi matematika yang dicapai siswa setelah mengikuti pembelajaran berbasis masalah baik secara individu maupun kelompok. Kompetensi ini dilihat dari hasil tes tertulis setiap Kompetensi Dasar (KD) pada setiap Standar Kompetensi (SK) sesuai dengan Standar Isi. G. Teknik Analisis Data Analisis Data Tes Hasil Belajar. Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
75
Ujicoba perangkat tes pencapaian kompetensi yang akan digunakan untuk mengukur kompetensi pertama yaitu Menyelesaikan model matematika dari masalah yang berkaitan dengan persamaan dan pertidaksamaan linear satu variabel, dilakukan terhadap 35 orang siswa sebagai responden yaitu siswa lain diluar siswa yang diberikan perlakuan penelitian. Siswa tersebut juga siswa SMP Negeri di Bandar Lampung yang mendapat pembelajaran tentang materi yang sama. Data yang diperoleh dianalisis untuk mendapatkan validitas, reliabilitas, tingkat kesukaran dan daya beda instrumen tes.
Pengolahan data dilakukan
dengan menggunakan Program Microsoft Exsel for Windows yang telah disetting oleh peneliti untuk memudahkan dalam proses perhitungan dan pengolahan data. Adapun langkah-langkah pengujian instrumen tes tersebut adalah: a.
Uji Validitas Instrumen Sebuah soal akan memiliki validitas yang tinggi jika skor soal tersebut memiliki dukungan yang besar terhadap seluruh soal yang ada. Untuk mengetahui validitas (kesahihan) isi per butir tes digunakan rumus Korelasi Product Moment (Product Moment Correlation) dengan rumus: rxy
n.( XY ) ( X ).(Y )
n. X
2
( X ) 2 . n.Y 2 (Y ) 2
Keterangan : rxy = koefisien korelasi antara variabel X dan variabel Y, dua variabel yang dikorelasi X = skor item Y = skor total n = jumlah siswa Dengan kriteria validitas sebagai berikut: Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
76
Tabel 3.2. Keategori Validitas butir soal Batasan
Kategori
0,80 < rxy ≤ 1,00
Sangat tinggi
0,60 < rxy ≤ 0,80
Tinggi
0,40 < rxy ≤ 0,60
Sedang
0,20 < rxy ≤ 0,40
Rendah
rxy ≤ 0,20
Sangat rendah
Kemudian untuk mengetahui signifikansi korelasi dilakukan uji-t dengan rumus sebagai berikut: th
r n2 1 r2
(Sudjana, 1992)
Keterangan: th = Daya pembeda dari uji t n = jumlah subyek rxy = koefisien korelasi b. Reliabilitas Soal Suatu perangkat tes dikatakan reliabel jika hasil-hasil tes tersebut menunjukkan ketetapan apabila diteskan berkali-kali dan relatif tidak berubah walaupun diteskan pada situasi yang berbeda-beda. Perhitungan koefisien reliabilitas instrumen dapat digunakan rumus Alpha Cronbach yaitu : 2 k S1 r11 1 2 S1 (k 1)
Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
77
Dimana : r11
= Koefisien reliabilitas seluruh item 2 i
= Jumlah Varians butir soal
S12
= Varias Skor Total
k
= banyaknya soal
Menurut Arikunto, (2005:319) Kriteria derajat reliabilitas dapat dilihat pada tabel berikut:
Tabel 3.3. Kategori reliabilitas perangkat soal Batasan
Kategori
0,80 < r11 ≤ 1,00
Sangat tinggi
0,60 < r11 ≤ 0,80
Tinggi
0,40 < r11 ≤ 0,60
Sedang
0,20 < r11 ≤ 0,40
Rendah
r11 ≤ 0,20
Sangat rendah
Hasil perhitungan diperoleh reliabilitas tes = 0,45 ( lihat lampiran 3) c. Daya Pembeda Prasyarat analisis sebuah soal adalah untuk mengindetifikasikan soal-soal yang baik, kurang baik, dan sangat jelek. Dengan analisis soal dapat diperoleh Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
78
informasi tentang kejelekan sebuah soal dan cara memperbaikinya. Daya pembeda soal adalah kemampuan suatu soal untuk membedakan antara siswa yang berkemampuan tinggi dengan siswa yang berkemampuan rendah. Angka yang menunjukkan besarnya daya pembeda disebut indeks diskriminasi (D). Rumus untuk menentukan indeks diskriminasi adalah :
BA BB 100% NA
DP
(Arikunto, 2005) Kategori daya pembeda dapat dilihat pada tabel berikut:
Tabel 3.4. Kategori daya pembeda butir soal. Batasan
Kategori
DP < 0,10
Sangat buruk
0,10 ≤ DP < 0,19
Buruk
0,20 ≤ DP < 0,29
Agak baik
0,30 ≤ DP < 0,49
Baik
0,50 ≤ DP ≤ 1,0
Sangat baik
DAYA PEMBEDA Jumlah Subyek= 35 Klp atas/bawah(n)= 9 Butir Soal= 5 Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
79
Un: Unggul; AS: Asor; SB: Simpang Baku Nama berkas: C:\DOCUMENTS AND SETTINGS\ADMIN\MY DOCUMENTS\ANATES SMP 8 BARU.AUR No No Btr Asli Rata2Un Rata2As Beda SB Un SB As SB Gab 1
1
7,67
3,78 3,89 2,24 2,17
1,04 3,75 38,89
2
2
7,11
6,56 0,56 1,96 1,74
0,87 0,64
3
3
9,78
6,56 3,22 1,56 1,51
0,72 4,45 21,48
4
4
4,44
3,33 1,11 0,88 2,50
0,88 1,26 22,22
5
5
9,22
4,00 5,22 1,39 2,18
0,86 6,06 52,22
t DP(%)
5,56
d Derajat Kesukaran Soal yang baik adalah soal yang tidak terlalu mudah atau tidak terlalu sukar. Soal yang terlalu mudah tidak memberi motivasi siswa untuk mempertinggi usaha memecahkannya, sebaliknya soal yang terlalu sukar akan menyebabkan siswa menjadi putus asa dan tidak semangat untuk mencoba lagi karena di luar jangkauannya. Rumus tingkat kesukaran (Arikunto, 2005)
TK
BA BB 100% NA NB
Keterangan TK = Tingkat kesukaran butir soal BA= Skor jawaban pada kelompok atas BB = Skor jawaban pada kelompok bawah NA = Skor maksimum kelompok atas NB = Skor maksimum kelompok bawah Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
80
Tabel 3.5. Kategori tingkat kesukaran butir soal. Batasan
Kategori
0% - 15%
Sangat sukar
16% - 30 %
Sukar
31% - 70%
Cukup
71% - 85%
Mudah
86% - 100%
Sangat mudah
termasuk kriteria soal cukup. Hasil perhitungan tingkat kesukaran soal secara lengkap dapat dilihat pada lampiran B. Jumlah Subyek= 35 Butir Soal= 5 Nama berkas: C:\DOCUMENTS AND SETTINGS\ADMIN\MY DOCUMENTS\ANATES SMP 8 BARU.AUR No Butir Baru No Butir Asli Tkt. Kesukaran(%) 1
1
57,22
Sedang
2
2
68,33
Sedang
3
3
54,44
Sedang
4
4
77,78
Mudah
5
5
66,11
Sedang
Tafsiran
3. Uji Persyaratan Analisis Teknik analisis data yang digunakan untuk menguji hipotesis pada penelitian ini adalah uji t sampel berpasangan dan anova yang dilanjutkan uji LSD (Least Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
81
Signigicant Different) dari Tukey . Kedua uji ini termasuk dalam statistika parametrik, sehingga harus memenuhi syarat (parameter) tertentu. Untuk uji t sampel berpasangan memenuhi ketentuan data harus berdistribusi normal, sedangkan untuk uji anova harus memenuhi syarat yaitu data berdistribusi normal dan keragaman data pada kelompok penelitian harus homogen. Jika persyratan analisis tidak terpenuhi, maka teknik analisis data untuk menguji hipotesis menggunakan statistika nonparametrik.
Statistika nonparametrik
pengganti uji t sampel berpasangan adalah uji Wilcoxon (Wilcoxon Signed Ranks Test). Sedangkan pengganti uji anova adalah uji Kruskal-Wallis (Kruskal-Wallis Test) yang dilanjutkan dengan uji Mann-Whitney. Uji Normalitas Data Hipotesis untuk uji normalitas data adalah sebagai berikut: H0
: Data berdistribusi normal
H1
: Data tidak berdistribusi normal
Kriteria uji hipotesisnya adalah: 1) Jika nilai prob. (sign.) > 0,05, maka H0 diterima dan H1 ditolak, artinya data berdistribusi normal 2) Jika nilai prob. (sign.) < 0,05, maka H0 ditolak dan H1 diterima, artinya data tidak berdistribusi normal Hasil uji normalitas data disajikan pada Tabel 4.17
Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
82
Analisis
Hasil
Kompetensi
matematika dari
dasar
Pertama:
Menyelesaikan
model
masalah yang berkaitan dengan persamaan dan
pertidaksamaan linear satu variabel 1. Uji Normalitas Data Uji normalitas data dimaksudkan untuk menguji distribusi normal data. Teknik analisis untuk menguji distribusi normal data menggunakan uji Kolmogorov-Smirnov (K-S) dengan bantuan Piranti Lunak SPSS Versi 15. Kriteria uji pada uji normalitas data adalah: Jika nilai signifikansi hasil analisis > 0,05, maka data berdistribusi normal Jika nilai signifikansi hasil analisis < 0,05, maka data tidak berdistribusi normal 2 .Uji Homogenitas Data Uji homogenitas data dimaksudkan untuk menguji apakah kelompok data yang dianalisis memiliki varian yang sama.
Teknik analisis untuk
menguji homogenitas data menggunakan uji Levene’s Tes (uji F) dengan bantuan Piranti Lunak SPSS Versi 15. Kriteria uji pada uji homogenitas data adalah Jika nilai signifikansi hasil analisis > 0,05, maka data homogen Jika nilai signifikansi hasil analisis < 0,05, maka data tidak homogen Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
83
a.
Analisis Hasil Kompetensi dasar Kedua: Menggunakan Perbandingan untuk Pemecahan Masalah 1. Uji Normalitas Data Uji normalitas data dimaksudkan untuk menguji distribusi normal data. Teknik analisis untuk menguji distribusi normal data menggunakan uji Kolmogorov-Smirnov (K-S) dengan bantuan Piranti Lunak SPSS Versi 15. Kriteria uji pada uji normalitas data adalah Jika nilai signifikansi hasil analisis > 0,05, maka data berdistribusi normal Jika nilai signifikansi hasil analisis < 0,05, maka data tidak berdistribusi normal. 2. Uji Homogenitas Data Uji homogenitas data dimaksudkan untuk menguji apakah kelompok data yang dianalisis memiliki varian yang sama. Teknik analisis untuk menguji homogenitas data menggunakan uji Levene’s Tes (uji F) dengan bantuan Piranti Lunak SPSS Versi 15. Kriteria uji pada uji homogenitas data adalah:
Jika nilai signifikansi hasil analisis > 0,05, maka data homogen
Jika nilai signifikansi hasil analisis < 0,05, maka data tidak homogen
3.3 Analisis Rata-rata Hasil Tes Kompetensi dasar Pertama dan Kedua a. Uji Normalitas Data
Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
84
Uji normalitas data dimaksudkan untuk menguji distribusi normal data. Teknik analisis untuk menguji distribusi normal data menggunakan uji Kolmogorov-Smirnov (K-S) dengan bantuan Piranti Lunak SPSS Versi 15 Kriteria uji pada uji normalitas data adalah:
Jika nilai signifikansi hasil analisis > 0,05, maka data berdistribusi normal
Jika nilai signifikansi hasil analisis < 0,05, maka data tidak berdistribusi normal
b. Uji Homogenitas Data Uji homogenitas data dimaksudkan untuk menguji apakah kelompok data yang dianalisis memiliki varian yang sama. Teknik analisis untuk menguji homogenitas data menggunakan uji Levene’s Tes (uji F) dengan bantuan Piranti Lunak SPSS Versi 15. Kriteria uji pada uji homogenitas data adalah Jika nilai signifikansi hasil analisis > 0,05, maka data homogen Jika nilai signifikansi hasil analisis < 0,05, maka data tidak homogeny H. Hipotesis Statistik Berdasarkan uraian hasil hipotesis verbal di atas, maka dapat disusun hipotesis statistik dari penelitian ini adalah: Hipotesis 1: Terima H0 jika µA1B2 = µA1B1 Terima H1 jika µA1B2
µA1B1
Keterangan: Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
85
µA1B2 = Rata-rata prestasi belajar matematika siswa yang belajar dengan PBL di sekolah RSSN µA1B1 = Rata-rata prestasi belajar matematika siswa yang belajar dengan PBL di sekolah Unggul Hipotesis 2: Terima H0 jika µA1B3 = µA1B1 Terima H1 jika µA1B3
µA1B1
Keterangan: µA1B3 = Rata-rata prestasi belajar matematika siswa yang belajar dengan PBL di sekolah SPM µA1B1 = Rata-rata prestasi belajar matematika siswa yang belajar dengan PBL di sekolah Unggul Hipotesis 3: Terima H0 jika µA1B3 = µA1B2 Terima H1 jika µA1B3 ≠ µA1B2 Keterangan: µA1B3 = Rata-rata prestasi belajar matematika siswa yang belajar dengan PBL di sekolah SPM µA1B2 = Rata-rata prestasi belajar matematika siswa yang belajar dengan PBL di sekolah RSSN Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
86
Haninda Bharata, 2013 Implementasi Pembelajaran Berbasis Masalah Dalam Meningkatkan Hasil Belajar Matematika Siswa SMP Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu
